Área colhida de soja no Brasil 2016-2020

Neste tutorial vamos criar um relatório para mostrar a área colhida de soja em hectares nos municípios brasileiros para o período de 2016-2020.

O objetivo é criar três gráficos: - Série temporal da área colhida de soja do estado. - Gráfico de barras dos 10 municípios com maiores médias de área colhidas (campeões). - Mapa com a área média colhida de soja por município por estado.

Carregando os pacotes necessários

Sempre que você for fazer uma análise que vai precisar de diversos pacotes recomendo que você coloque uma seção concentrando o carregamento de todos os pacotes necessários. Isso vai facilitar para reproduzir o seu relatório.

library(tidyverse) # Visualização e manipulação de dados
library(readxl) # Carrega planilha eletrônica
library(geobr) # Mapas do Brasil
library(sf) # Plotar mapas
library(plotly) # Gráficos interativos

Carregando a base de dados

Neste exemplo vamos usar um conjunto de dados obtidos do IPEA data que consta da área de soja colhida por municípios entre os anos de 2016 e 2020. O primeiro passo é carregar a base de dados. Acesse o endereço conjunto de dados e faça download do arquivo arecolhida.xls. Recomendo que salve em seu diretório de trabalho. Assumindo que o conjunto de dados areacolhida.xls esteja no seu diretório de trabalho o seguinte código carrega a base de dados e apresenta um resumo do seu conteúdo.

tb <- readxl::read_excel("areacolhida.xls",
                         sheet = "Séries")
glimpse(tb)
## Rows: 5,596
## Columns: 8
## $ Sigla     <chr> "AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC", …
## $ Codigo    <chr> "1200013", "1200054", "1200104", "1200138", "1200179", "1200…
## $ Município <chr> "Acrelândia", "Assis Brasil", "Brasiléia", "Bujari", "Capixa…
## $ `2016`    <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 100, 0, 0, 0, 0, 0…
## $ `2017`    <dbl> 0, 0, 0, 0, 27, 0, 0, 0, 0, 0, 0, 0, 0, 0, 100, 0, 0, 0, 0, …
## $ `2018`    <dbl> 0, 0, 0, 0, 300, 0, 0, 0, 0, 0, 0, 0, 0, 0, 180, 0, 0, 0, 0,…
## $ `2019`    <dbl> 0, 0, 0, 0, 430, 0, 0, 0, 0, 0, 0, 0, 520, 0, 640, 0, 0, 0, …
## $ `2020`    <dbl> 0, 0, 0, 0, 480, 0, 0, 0, 0, 0, 0, 0, 1850, 0, 950, 0, 0, 0,…

Série temporal por estado

Para fazer um gráfico da série temporal de um particular estado precisamos: - Filtrar as observações do estado de interesse; - Agregar (somar) os dados de todos os municípios; - Plotar um gráfico de linhas com o ano no eixo x e área colhida no eixo y.

Suponha que o estado de interesse seja o Paraná (PR).

estado <- "PR"

# Seleciona dados do estado
UF <- tb %>%
  filter(Sigla == estado)

# Empilhando os dados por ano
UF_long <- UF %>%
  pivot_longer(cols = c("2016", "2017", "2018", "2019", "2020"), 
               names_to = "Ano", values_to = "area")

# Agrupando por ano
UF_ano <- UF_long %>%
  group_by(Ano) %>%
  summarize("area" = sum(area, na.rm = TRUE))
UF_ano$Ano <- as.numeric(UF_ano$Ano)

# Gráfico da série temporal
p1 <- ggplot(UF_ano, aes(x = Ano, y = area)) +
  geom_point() +
  geom_line() +
  xlab("Ano") +
  ylab("Área colhida de soja (hectares)")

Você pode facilmente tornar o gráfico interativo usando o pacote plotly.

ggplotly(p1)

Gráfico com os 10 municípios de maior área colhida para o ano de 2016

Para fazer esse gráfico precisamos: - Filtrar o estado de interesse; - Calcular a média da área colhida; - Ordenar pela área colhida média; - Pegar os 10 primeiros.

UF_10 <- UF_long %>%
  group_by(Município) %>%
  summarise("Media" = mean(area)) %>%
  slice_max(Media, n = 10)

## Ordenando os níveis para aparecerem na ordem correta
UF_10$Município <- factor(UF_10$Município, 
                           levels = UF_10$Município)

p2 <- ggplot(UF_10, aes(x = Município, y = Media)) +
  geom_col() + 
  coord_flip() +
  xlab("Município") +
  ylab("Área média colhida de soja (hectares)")
p2

Novamente podemos tornar o gráfico interativo usando o plotly.

ggplotly(p2)

Mapa do estado

Para fazer um mapa o primeiro passo é obter os polígonos que delimitam os municípios. Para isso o R conta com um pacote chamado de geobr.

cod_uf <- as.numeric(str_sub(UF$Codigo, start = 1, end = 2)[1])
mapa <- geobr::read_municipality(code_muni = cod_uf, year = "2016")
plot(mapa$geom)

Agora que já temos os polígonos precisamos atribuir a eles o valor da área média colhida de soja. Para isso vamos usar uma operação de join. Neste caso vamos usar um left_join para manter apenas os munícipios ou códigos de municípios que aparecem no mapa.

UF_media <- UF_long %>%
  group_by(Município) %>%
  summarise("Media" = mean(area), "Codigo" = Codigo[1])
UF_media$Codigo <- as.numeric(UF_media$Codigo)
mapa <- dplyr::left_join(mapa, UF_media, by = c("code_muni" = "Codigo"))

Por fim, podemos plotar o mapa de acordo com o valor da área média colhida de soja em hectares. Note que o valor colhido é muito diferente entre as diferentes áreas. Para facilitar a leitura do gráfico vamos plotar em escala log.

mapa$log_area <- log10(mapa$Media+1) 
plot_mapa <- ggplot() +
  geom_sf(data=mapa, aes(text = Município, fill=log_area), color= NA, size=.15) +
  labs(subtitle="Log da área média colhida de de soja.", size=8) +
  scale_fill_distiller(palette = "Blues", name="Log área média colhida de soja")
## Warning: Ignoring unknown aesthetics: text
plot_mapa

Podemos facilmente tornar o mapa reativo usando o pacote plotly.

ggplotly(plot_mapa)

Podemos ainda trabalhar nas informações que serão mostradas ao passar o mouse.

mapa$info <- paste(mapa$Município, mapa$Media)
plot_mapa <- ggplot() +
  geom_sf(data=mapa, aes(text = info, fill=log_area), color= NA, size=.15) +
  labs(subtitle="Log da área média colhida de de soja", size=8) +
  scale_fill_distiller(palette = "Blues", name="Log área colhida de soja")
## Warning: Ignoring unknown aesthetics: text
ggplotly(plot_mapa)